基于BP神经网络的气体管道泄漏检测方法

发布时间：2021-01-08 07:41

　　为了提高气体管道泄漏检测的效率与准确性,文中结合BP神经网络设计了一套气体管道泄漏检测方法,并以医用呼吸机气体管路为对象进行测试。在气路分析的基础上,借助试凑法与MATLAB软件平台确定神经网络各层的神经元数量,方案采用Trainglm算法作为样本数据的训练算法。通过在医用呼吸机上进行的实测结果表明,文中所设计的方法比传统的呼吸机漏气检测方法具有较好的泛化能力与较高的精度,且误差平均值较小、稳定性与重复性较好,是一种气体管道漏气检测的有效手段。 

【文章来源】：电子设计工程. 2020,28(17)

【文章页数】：6 页

【部分图文】：

神经元（单个）结构模型示意图

首先，该网络的激活函数必须是非线性的光滑函数，一般选用双曲正切或logistic函数。其次，该网络必须具备隐藏层、输入层与输出层。对于BP神经网络而言，通常隐藏层只有一层，只有在神经元数量较多时才考虑增加。最后，该网络必须具备较高的连接性，而连接性一般与突触权值和数量密切相关[12]。信号/误差的正向/反向传播是BP神经网络训练的典型过程特征。激励信号进入输入层后，输入层将其传播给隐藏层进行分析计算，由隐藏层将结果传播给输出层并对最终信号进行输出。但当期望信号与输出信号的差值超过误差阈值时，会开始误差的反向传播：隐藏层将误差信息传播给输入层，经计算进一步分配加入到各神经元（隐藏层和输入层）中进行权值调整并重新计算；正向、反向过程交替，直到输出误差达到误差阈值允许的范围或训练次数达到设定数值时才结束训练。相应的流程，如图3所示。

信号/误差的正向/反向传播是BP神经网络训练的典型过程特征。激励信号进入输入层后，输入层将其传播给隐藏层进行分析计算，由隐藏层将结果传播给输出层并对最终信号进行输出。但当期望信号与输出信号的差值超过误差阈值时，会开始误差的反向传播：隐藏层将误差信息传播给输入层，经计算进一步分配加入到各神经元（隐藏层和输入层）中进行权值调整并重新计算；正向、反向过程交替，直到输出误差达到误差阈值允许的范围或训练次数达到设定数值时才结束训练。相应的流程，如图3所示。2 气体管道漏气检测方法设计

【参考文献】：
期刊论文
[1]深度学习神经网络的新型自适应激活函数[J]. 刘宇晴,王天昊,徐旭.  吉林大学学报(理学版). 2019(04)
[2]基于监督学习的数据预测服务构建方法[J]. 李昭,宋壹,陈鹏.  计算机技术与发展. 2019(09)
[3]改进的BP神经网络在分数线预测中的应用[J]. 郭孝文,梁向阳.  西安工业大学学报. 2018(03)
[4]基于平稳小波与BP神经网络的换相失败检测算法[J]. 李福新.  沈阳工业大学学报. 2018(03)
[5]基于新的改进粒子群算法的BP神经网络在拟合非线性函数中的应用[J]. 林宇锋,邓洪敏,史兴宇.  计算机科学. 2017(S2)
[6]基于特征线法的输气管道泄漏瞬态仿真与分析[J]. 陈潜,邢晓凯,王炜硕.  科学技术与工程. 2017(30)
[7]基于PReLUs-Softplus非线性激励函数的卷积神经网络[J]. 郜丽鹏,郑辉.  沈阳工业大学学报. 2018(01)
[8]优化的BP网络在面部特征点的深度估计[J]. 宋乐,谷林,东虎,杜俏俏.  西安工程大学学报. 2017(04)
[9]气体管道泄漏声发射单一非频散模态定位[J]. 杨丽丽,谢昊飞,李帅永,李伟雄,何明峰.  仪器仪表学报. 2017(04)
[10]基于BP神经网络的协作频谱感知技术[J]. 陈易,张杭,胡航.  计算机科学. 2015(02)

博士论文
[1]输气管道泄漏的智能检测与定位方法研究[D]. 王丽娜.东北大学 2016

硕士论文
[1]天然气高压管道泄漏扩散检测及其应用研究[D]. 马吉.华北科技学院 2018



本文编号：2964204